杭州电子科技大学团队提出新算法，无需新用户数据即可解码运动想象脑电
不同人的脑电信号差异很大，同一个人的脑电也会随时间漂移，所以脑机接口换一个新用户，往往要重新采集数据、重新训练。杭州电子科技大学的研究团队提出名为TSMD-Net的算法，训练时完全不用新用户的数据，而是先把多名已有受试者的脑电特征对齐，再把分别针对每个人学到的判别经验汇总到一个统一的分类器里。在三个公开脑电数据集上，它读出“想动哪只手”这类意图的平均准确率分别为70.21%、77.82%和79.53%。
2026 年 10 月
2026 年 8 月
海马记忆假体走向首次人体试验，综述提出材料协同设计框架
同一只手的精细想象也能分清，CLMT-Net准确率约76%
研究者提出基于多尺度Transformer的对比学习网络CLMT-Net，用于同一肢体内细粒度运动想象解码，在MI-2数据集上准确率达76.13%。
2026 年 7 月
杭州电子科技大学合作研究在猪脑皮层实现1024通道信号采集
杭州电子科技大学等机构作者参与的合作研究开发了一种三维螺旋可拉伸神经探针，并在猪脑皮层实现1024通道信号采集。研究还报告，螺旋探针在小鼠深部脑区记录到单神经元活动，并具有长期记录稳定性；柔性平面微电极阵列则记录到小鼠皮下肌电信号。探针先通过平面微加工制备，再经热驱动形成螺旋结构，以扩展电极布线空间并适应组织运动。力学仿真和循环拉伸测试分别考察了其应变缓解作用与电化学稳定性。这些结果来自器件测试和动物实验，不代表已验证人体长期使用效果。
2025 年 3 月
黎曼流形上降维不丢判别信息，脑电分类最高提升19.38%
该研究提出一种基于黎曼流形上判别性几何感知的降维方法，用于脑机接口（BCI）应用中脑电图（EEG）分类的对称正定（SPD）矩阵，以增强SPD矩阵的判别性并减少信息损失。流形学习与SPD矩阵在EEG分类中已显示出潜力，但SPD矩阵可能导致EEG信号的关键信息丢失。研究在BCI Competition IV Dataset 1和Dataset 2a上验证，该方法分别将准确率提升5.0%和19.38%，表明判别性几何感知能在降维后保持稳健性能。该工作属于EEG分类的基础方法研究，方法层面的改进为后续系统集成提供了参照。